Sahputra, Rifa Amril (2025) PENDETEKSIAN DEPRESI BERBASIS IMAGE PROCESSING MENGGUNAKAN METODE HYBRID STACKING ENSEMBLE. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (98kB)
	Text Abstrak.pdf Download (217kB)
	Text Bab I.pdf Download (184kB)
	Text Daftar Pustaka.pdf Download (178kB)
	Text Full-text.pdf Restricted to Registered users only Download (1MB)

Abstract

Deteksi dini terhadap depresi merupakan tantangan penting dalam bidang kesehatan mental, terutama karena banyak kasus tidak teridentifikasi secara akurat melalui metode tradisional seperti wawancara atau kuesioner. Penelitian ini mengembangkan sistem deteksi depresi berbasis pengolahan citra (image processing) dengan memanfaatkan ekspresi wajah dan pergerakan kepala sebagai fitur utama. Model yang digunakan adalah Hybrid Stacking Ensemble, yang menggabungkan XGBoost dan Extra Trees Classifier sebagai base learners, serta Logistic Regression sebagai meta-classifier. Dataset yang digunakan berasal dari kompetisi ABC Challenge tahun 2024, dengan lebih dari 130.000 entri data ekspresi wajah dan dinamika kepala. Proses pra-pemrosesan melibatkan rekayasa fitur seperti Facial Structure, Eye Open Avg, AU Smile, AU Sad, dan Head Movement. Model diuji menggunakan evaluasi berbasis Leave One Participant Day Out (LOPDO), menghasilkan akurasi rata-rata sebesar 96,39%, precision 93,92%, recall 96,56%, F1-score 95,12%, dan AUC 99,61%. Hasil penelitian menunjukkan bahwa pendekatan hybrid stacking mampu meningkatkan akurasi dan generalisasi model secara signifikan dibandingkan model individu. Sistem ini berpotensi digunakan dalam proses skrining awal depresi secara objektif, non-invasif, dan berbasis teknologi kecerdasan buatan. Kata kunci: Depresi, Image Processing, Stacking Ensemble, Machine Learning, Ekspresi Wajah, Head Movement.

Item Type:	Thesis (S1)
Subjects:	B Philosophy. Psychology. Religion > BF Psychology Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Rifa Amril Sahputra
Date Deposited:	15 Apr 2026 03:08
Last Modified:	15 Apr 2026 03:08
URI:	https://rama.unimal.ac.id/id/eprint/19390

Actions (login required)

View Item